Myynnin laadullisen datan hyödyntäminen käytännössä

 

Harri Ikonen
Sales Director, WheelQ

Myynnin laadun johtaminen ja kehittäminen koetaan usein vaikeaksi. Myyntiorganisaatiossa ei ole välineitä kehittää laatua systemaattisena ja jatkuvana prosessina. Laadulliset tekijät ovat yksittäisten myyjien ”korvien välissä”, jolloin tieto ei ole koko organisaation käytössä ja on vaarassa hävitä henkilövaihdosten yhteydessä.

Oikeilla työkaluilla ja menetelmillä myynnin laatua voidaan kuitenkin kehittää yhtä systemaattisesti ja järjestelmällisesti kuin myynnin määrää. Ongelmat voidaan pitkälti ratkaista, jos myynnin laadun kehittämisessä siirrytään systemaattiseen ja järjestelmälliseen malliin. Hyvä lähtökohta on toimivaksi testattu myynnin laadun tarkistuslistamme, jonka avulla pääset alkuun myynnin laadun systemaattisessa kehittämisessä, toimitpa B2B- tai kuluttajamyynnin parissa.

Kun systemaattisen prosessin avulla myynnin laadusta alkaa kertyä laadullista dataa, onkin aika pohtia, miten tämä data saadaan valjastettua tehokkaimmin sekä organisaation hyödyksi että henkilökohtaisen kehittymisen tueksi. Dataa tarkastelemalla alkaa hiljalleen hahmottua kuva siitä, mitkä osa-alueet useimmiten vaikuttavat myyntimahdollisuuksien menettämiseen.

Ehkä asiakas ei itse koe tunnistettua kipupistettä niin akuuttina, kuin se myyjän näkökulmasta vaikuttaa. Tai ehkä liian monessa tapauksessa liiketoimintajohto jätetään prosessin ulkopuolelle, tai heidät otetaan mukaan liian myöhäisessä vaiheessa. Vastaukset näihin kysymyksiin auttavat sekä organisaatiota että yksittäisiä myyjiä kehittymään.

Tilastollinen analyysi käyttöön

Yksittäisten myyjien ja myyntimahdollisuuksien arvioinnin lisäksi laadullista aineistoa voidaan käyttää myös tilastolliseen analyysin eri tekijöiden vaikutuksesta onnistumistodennäköisyyksiin. Kun tämä kokemuspohjainen materiaali yhdistetään perinteiseen julkiseen yritystietoon ja määrälliseen aineistoon myynneistä, saadaan usein erittäin mielenkiintoisia tuloksia siitä, miten erilaiset myyjät, myyntiprosessit ja erityyppiset asiakkuudet vaikuttavat myynnin tehokkuuteen ja onnistumiseen kokonaisuutena.

Tätä tilastollista analyysiä voidaan tehostaa entisestään hyödyntämällä koneoppimista. Tällöin hyödyntämällä koko kerättyä dataa voitetuista ja hävityistä myyntimahdollisuuksista, voidaan isosta aineistosta löytää onnistumistodennäköisyyksiin eniten vaikuttavia tekijöitä ja tekijöiden kombinaatioita.

Nämä voivat olla esimerkiksi asiakkaan toimialaan, kokoon, myyntiprosessin etenemiseen ja oikeisiin kontakteihin liittyviä yksityiskohtia. Koneoppimisen etuna on myös se, että analyysiä tehdään jatkuvasti aina kun uutta dataa tulee saataville, jolloin hyödyntämisestä tulee huomattavasti systemaattisempaa.

Laadullinen tieto talteen organisaatioon

Koko myyntiorganisaation tasolla prosessinomaiseen, jatkuvaan mittaukseen siirtyminen tarkoittaa, ettei laadullinen tieto jää yksinomaan yksittäisten myyjien tietotaidoksi. Tällä on suuri merkitys tilanteissa, joissa kokeneet myyjät vaihtavat työpaikkaa. Tällöin menetetään tyypillisesti paljon asiakasymmärrystä, mutta myös ymmärrystä myyntiprosesseista sekä kokemuksellisista ja laadullisista tekijöistä.

Perinteinen asiakastieto löytyy jo nykyisellään eri järjestelmistä, ja se voidaan myös kerätä uudelleen kohtuullisen nopeasti. Kokemuspohjaisten ja laadullisten tekijöiden menettämisellä sen sijaan on vaikutusta pitkälle tulevaisuuteen, koska niiden oppiminen ja uudelleen ymmärtäminen on haastavaa ja hidasta.

Kun dataa yhdistellään eri lähteistä tilastollisen analyysin ja koneoppimisen keinoin, voidaan myyntiorganisaation laadun mittaaminen ja analysointi – ja samalla myynnin teho – nostaa aivan uudelle tasolle. Samalla laadullinen tieto tallentuu koko organisaation käyttöön, jolloin myynnin laadun kehittämistä voidaan suunnitella pitkäjänteisesti ja tuloksellisesti.